A Block Minorization-Maximization Algorithm for Heteroscedastic Regression

The computation of the maximum likelihood (ML) estimator for heteroscedastic regression models is considered. The traditional Newton algorithms for the problem require matrix multiplications and inversions, which are bottlenecks in modern Big Data contexts. A new Big Data-appropriate minorization-ma...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE signal processing letters Ročník 23; číslo 8; s. 1131 - 1135
Hlavní autoři:	Nguyen, Hien D., Lloyd-Jones, Luke R., McLachlan, Geoffrey J.
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York IEEE 01.08.2016 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Algorithm design and analysis Algorithms Big data Biological system modeling Computation Computational modeling Computer simulation Convergence Estimators Heteroscedastic regression Inversions Mathematical analysis Mathematical models maximum likelihood (ML) estimation Maximum likelihood estimation minorization–maximization (MM) algorithm parallel algorithm Regression Signal processing algorithms
ISSN:	1070-9908, 1558-2361
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!